TY - JOUR A2 - Alam, Mohammad AU - Prados-Privado, María AU - García Villalón, Javier AU - Blázquez Torres, Antonio AU - Martínez-Martínez, Carlos Hugo AU - Ivorra, Carlos PY - 2021 DA - 2021/12/14TI-全景图像中用于自动牙齿编号的卷积神经网络SP -3625386 VL -2021 AB-牙科X光片和图像的分析是日常临床实践中诊断过程的重要组成部分。在诊断过程中，牙医必须解释牙齿编号。这项研究旨在提出一个卷积神经网络（CNN），该网络自动执行该任务，以便为全景X光片执行。两位专家对一般牙科经验有超过三年的经验进行了总共8,000张全景图像。神经网络由两个主要层组成：对象检测和分类，这是前一个的支持，以及转移学习以提高计算时间和精度。MatterPort面膜RCNN在对象检测中使用。分类层中使用了RESNET101。神经模型的总损失为6.17％（准确性为93.83％）。该模型的结构在牙齿检测中的准确度为99.24％，口腔健康状况不同的牙齿编号为93.83％。 SN - 2314-6133 UR - https://doi.org/10.1155/2021/3625386 DO - 10.1155/2021/3625386 JF - BioMed Research International PB - Hindawi KW - ER -